ComeOnOliver/skillshub

影片製作人

建立包含旁白、音樂和視覺效果的完整影片。

這是一個協調型技能，它結合了：

• 腳本/分鏡生成 (Claude)
• 旁白合成 (Gemini TTS)
• 背景音樂 (Lyria)
• 影片片段生成 (Veo 3.1) 或圖片動畫
• 最終組裝 (透過 media-utils 使用 FFmpeg)

工作流程

步驟 1：收集需求 (必要)

⚠️ 請勿跳過此步驟。在取得所有答案之前，請勿執行 init_project.py。

使用互動式提問 — 一次只問一個問題，等待回應，再問下一個。這將建立一個協作式的規格驅動流程。

提問流程

⚠️ 針對以下每個問題，使用 AskUserQuestion 工具。 請勿僅在回覆中列印問題 — 請使用該工具來建立包含所示選項的互動式提示。

Q1：主題

「我來製作那部影片！首先 — 主題是什麼？

(例如：產品發布、品牌故事、教學、解說 — 或描述您自己的主題)」

等待回應。

Q2：長度

「影片應該多長？

• 15 秒 (快速吸引)
• 30 秒 (標準廣告)
• 60 秒 (解說)
• 2 分鐘以上 (詳細)
• 或指定您自己的長度」

等待回應。

Q3：風格

「哪種視覺風格？

• 高級/奢華
• 有趣/活潑
• 企業/專業
• 戲劇化/電影感
• 簡約/乾淨
• 或描述您自己的風格」

等待回應。

Q4：素材

「您有現成的圖片或影片片段可以使用嗎？

• 沒有，全部生成
• 有，我有圖片 (提供路徑)
• 有，我有影片片段 (提供路徑)」

等待回應。

Q5：音訊策略

「我們應該如何處理音訊？

• 自訂 — 我生成旁白 + 背景音樂
• Veo 原生 — 使用 Veo 內建的對話/音效/環境音
• 無聲 — 無音訊，稍後再添加」

等待回應。

Q6：語音 (如果選擇自訂音訊)

「旁白要使用哪種語調？

• 專業
• 友善/溫暖
• 充滿活力
• 平靜/舒緩
• 戲劇化
• 或描述您自己的語調」

等待回應。

Q7：音樂 (如果選擇自訂音訊)

「哪種音樂風格？

• 現代電子
• 電影感/史詩
• 歡快流行
• 氛圍/放鬆
• 企業
• 或描述您自己的風格」

等待回應。

Q8：格式

「哪種長寬比？

• 16:9 (YouTube、網頁)
• 9:16 (TikTok、Reels、Shorts)
• 1:1 (Instagram 動態牆)」

等待回應。

Q9：解析度

「哪種解析度？

• 720p (生成速度較快)
• 1080p (標準 HD)」

等待回應。

Q10：模型

「哪個 Veo 模型？

• veo-3.1 — 最新，最高品質 (預設)
• veo-3.1-fast — 生成速度更快，品質略低
• veo-3 — 上一代
• veo-3-fast — 上一代，速度更快」

等待回應。

快速參考

問題	決定項目
主題	場景內容和提示
長度	場景數量 (Veo 片段必須為 4、6 或 8 秒)
風格	視覺提示和音樂選擇
素材	生成 vs 使用現有
音訊	custom、veo_audio 或 silent
語音	TTS 語音選擇
音樂	Lyria 提示
格式	Veo 的長寬比
解析度	720p 或 1080p 輸出品質
模型	veo-3.1、veo-3.1-fast、veo-3、veo-3-fast

---

步驟 2：初始化專案

獲得使用者的答案後，使用他們的偏好設定初始化專案：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-producer-agent/scripts/init_project.py \
  --name "產品發布影片" \
  --duration 30 \
  --aspect-ratio 16:9 \
  --audio-strategy custom \
  --scenes 5

步驟 3：設定 project.json

根據使用者的答案，編輯 project.json 中的場景提示、旁白文字和音樂風格。

步驟 4：組裝影片

python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-producer-agent/scripts/assemble.py \
  --project ~/my_video_project/

---

專案結構

初始化專案時，會建立以下資料夾結構：

my_project/
├── project.json          # 設定：場景、旁白、音樂、設定
├── storyboard.md         # 影片規劃文件
├── scenes/               # Veo 生成的影片片段
│   ├── scene1_intro.mp4
│   ├── scene2_features.mp4
│   └── scene3_cta.mp4
├── audio/                # 音訊素材
│   ├── voiceover.wav     # 生成的旁白
│   ├── background_music.wav  # 生成的音樂
│   └── final_mix.mp3     # 混合後的音軌
├── work/                 # 中間檔案 (自動生成)
│   ├── silent_scene1.mp4
│   ├── video_concatenated.mp4
│   └── ...
└── output/               # 最終成果
    └── product_launch_video_final.mp4

---

腳本

init_project.py

使用資料夾結構和範本初始化一個新的影片專案。

# 基本專案
python3 init_project.py --name "我的影片" --duration 30

# 在特定目錄中建立
python3 init_project.py --name "示範影片" --output ~/Videos/

# 社群媒體的直式影片
python3 init_project.py --name "Instagram Reel" --aspect-ratio 9:16 --duration 15

# 使用 Veo 原生音訊 (無自訂旁白/音樂)
python3 init_project.py --name "電影場景" --audio-strategy veo_audio

# 更多場景
python3 init_project.py --name "長影片" --duration 60 --scenes 5

選項：

選項	預設值	說明
--name	必要	專案名稱
--output	當前目錄	上層目錄
--duration	30	目標長度 (秒)
--aspect-ratio	16:9	16:9、9:16、1:1、4:3
--audio-strategy	custom	custom、veo_audio、silent
--scenes	3	場景佔位符數量

assemble.py

協調完整的影片組裝流程。

# 完整流程 (生成所有內容 + 組裝)
python3 assemble.py --project ~/my_project/

# 跳過生成 (使用現有的場景/音訊檔案)
python3 assemble.py --project ~/my_project/ --skip-generation

# 試運行 (顯示將要執行的操作)
python3 assemble.py --project ~/my_project/ --dry-run

流程步驟：

1. 生成影片場景 (Veo 3.1)
2. 從場景中移除音訊 (如果使用自訂音訊)
3. 生成旁白 (Gemini TTS)
4. 生成背景音樂 (Lyria)
5. 混合旁白 + 音樂
6. 串聯影片片段
7. 將音訊與影片合併
8. 輸出最終影片

---

project.json 設定

{
  "name": "產品發布影片",
  "duration_target": 30,
  "aspect_ratio": "16:9",
  "resolution": "720p",
  "audio_strategy": "custom",
  
  "scenes": [
    {
      "id": 1,
      "name": "scene1_hero",
      "prompt": "Cinematic slow zoom on premium product, dramatic lighting, high-end commercial style",
      "duration": 6,
      "notes": "僅音樂，無旁白"
    },
    {
      "id": 2,
      "name": "scene2_features",
      "prompt": "Product features demonstration, sleek animations, modern tech aesthetic",
      "duration": 8,
      "notes": "旁白從此處開始"
    },
    {
      "id": 3,
      "name": "scene3_cta",
      "prompt": "Product with logo on clean background, call to action moment",
      "duration": 6,
      "notes": "音樂漸強，旁白結束"
    }
  ],
  
  "voiceover": {
    "enabled": true,
    "text": "Introducing the future of audio. Crystal clear sound. All-day comfort. Experience the difference.",
    "voice": "Charon",
    "style": "Professional, confident, premium brand voice"
  },
  
  "music": {
    "enabled": true,
    "prompt": "modern electronic, premium, sleek, product showcase, subtle bass",
    "duration": 35,
    "bpm": 100,
    "brightness": 0.6
  },
  
  "assembly": {
    "transition": "fade",
    "transition_duration": 0.5,
    "music_volume": 0.3,
    "fade_in": 1.0,
    "fade_out": 2.0
  }
}

---

音訊策略

策略	說明	使用時機
custom	移除 Veo 音訊，添加自訂旁白 + 音樂	大多數影片
veo_audio	保留 Veo 生成的音訊 (對話、音效)	電影場景、對話
silent	移除音訊，輸出無聲影片	稍後再添加音訊

---

工作流程：建立影片

步驟 1：初始化專案

python3 init_project.py --name "無線耳機宣傳" --duration 30

步驟 2：規劃分鏡

編輯 storyboard.md 來規劃您的影片結構：

## 場景 1：主角揭示 (0-5s)
- 視覺：耳機從陰影中浮現，高級燈光
- 音訊：僅音樂 (戲劇性開場)

## 場景 2：音質 (5-12s)
- 視覺：聲波、享受音樂的人
- 音訊：旁白 "清澈透亮的聲音。沉浸式重低音。"

## 場景 3：舒適度 (12-20s)
- 視覺：貼合特寫、跑步的人
- 音訊：旁白 "全天候舒適。穩固貼合。"

## 場景 4：行動呼籲 (20-30s)
- 視覺：產品 + 標誌
- 音訊：旁白 "體驗不同凡響。" + 音樂漸強

步驟 3：設定 project.json

根據您的分鏡填入場景提示、旁白文字和音樂風格。

步驟 4：組裝

python3 assemble.py --project ~/wireless_earbuds_promo/

步驟 5：檢視與迭代

檢查 output/ 中的輸出。如果需要調整：

# 使用現有場景重新執行 (僅重新混合音訊)
python3 assemble.py --project ~/wireless_earbuds_promo/ --skip-generation

---

您可以建立的內容

類型	範例
產品影片	30 秒展示產品的英雄影片
解說影片	操作說明或功能解釋
宣傳/廣告影片	行銷廣告
展示影片	產品演示
培訓影片	內部培訓內容
推薦影片	客戶評價風格影片
品牌影片	公司/品牌故事

---

先決條件

• GOOGLE_API_KEY - 用於 Veo (影片)、Gemini TTS (語音)、Lyria (音樂)
• 已安裝 FFmpeg：brew install ffmpeg

---

影片風格與音樂配對

風格	音樂提示	語音
高級/奢華	"elegant, minimal, ambient, sophisticated"	Charon (informative)
科技/現代	"electronic, futuristic, clean, innovative"	Kore (firm)
有趣/活潑	"upbeat, cheerful, acoustic, positive"	Puck (upbeat)
企業	"professional, inspiring, orchestral lite"	Orus (firm)
生活風格	"chill, aspirational, indie, warm"	Aoede (breezy)
戲劇化/電影感	"epic, orchestral, emotional, building"	Gacrux (mature)

---

常見影片結構

產品影片 (30 秒)

0-5s:   英雄鏡頭 (僅音樂)
5-15s:  功能 (旁白 + 音樂)
15-25s: 生活/使用情境 (旁白 + 音樂)
25-30s: 標誌 + 行動呼籲 (音樂淡出)

解說影片 (60 秒)

0-5s:   鉤子/問題陳述
5-20s:  解決方案介紹
20-45s: 運作方式 (3 個步驟)
45-55s: 效益總結
55-60s: 行動呼籲

推薦影片 (45 秒)

0-5s:   介紹/姓名卡
5-35s:  推薦語錄 (多個場景)
35-45s: 產品鏡頭 + 標誌

---

手動操作流程 (無腳本)

如果您偏好逐步手動執行每個步驟：

生成場景：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
  --batch scenes.json

生成旁白：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "您的旁白文字..." \
  --voice Charon \
  --style "Professional, warm"

生成音樂：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "modern electronic, premium" \
  --duration 35

從片段中移除音訊：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/video_strip_audio.py \
  -i scene*.mp4

串聯影片：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/video_concat.py \
  -i silent_*.mp4 --transition fade -o video.mp4

混合音訊：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice voiceover.wav --music music.wav -o audio.mp3

合併音訊 + 影片：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/video_audio_merge.py \
  --video video.mp4 --audio audio.mp3 -o final.mp4

---

您可以提供的輸入檔案

檔案類型	使用方式
產品圖片	使用 Veo 作為第一幀進行動畫處理
標誌 (PNG)	疊加在最終場景上
現成旁白	放置在 audio/voiceover.wav
品牌音樂	放置在 audio/background_music.wav
影片片段	放置在 scenes/ 資料夾中
腳本/文案	用作旁白文字

---

限制

• Veo 影片長度：每個片段最長 8 秒 (透過串聯可延長)
• Veo 3.1 包含音訊：所有片段都帶有生成的音訊 (如果使用自訂音訊，請移除)
• 處理時間：每個片段需要 1-3 分鐘生成
• 解析度：目前支援 720p 或 1080p (僅 8 秒片段支援 1080p)

---

錯誤處理

錯誤	解決方案
"GOOGLE_API_KEY not set"	根據 README 設定 API 金鑰
"FFmpeg not found"	安裝：brew install ffmpeg
"project.json not found"	先執行 init_project.py
影片生成逾時	重試，或使用較短的長度
音訊/影片同步問題	調整場景長度

---

範例提示

簡單：

"為我的新咖啡機製作一個 30 秒的產品影片"

詳細：

"為我們的新無線耳機製作一個 45 秒的產品影片。高級、奢華的感覺。我附上了產品照片。專業男性旁白。現代電子音樂。16:9 用於 YouTube。"

包含專案：

"初始化一個名為 'App Demo' 的影片專案，包含 5 個場景，總長 60 秒，直式格式用於 TikTok"